%0 Journal Article
%T 学习理论中的MLP方法
%A 任静静
%A 徐艳艳
%A 陈广贵
%J 四川师范大学学报(自然科学版)
%P 247-251
%D 2013
%X 移动最小二乘（MLS）法是数据插值、数值分析和统计等学科领域的一种逼近方法.H.Y.Wang,D.H.Xiang,D.X.Zhou(JApproxTheory,2010,162599-614.)用MLS方法研究了L2框架下学习理论中的回归问题，从而得到了样本误差、逼近误差的更优结果.但是很多函数类在L2框架下很难研究，于是本文用移动最小p乘（MLP）法将L2框架下学习理论中回归问题的一些理论推广到Lp（1≤p≤∞）框架下，从而为研究Lp框架下学习算法的泛化性能提供了理论基础.
%K 学习理论
%K Lp框架
%K p-样本误差
%K 范数条件
%K Lτ条件
%U http://jsnu.paperopen.com/oa/darticle.aspx?type=view&id=201302020